切比雪夫不等式到底是个什么概念
切比雪夫不等式的定义是:设X是一个随机变数取区间(0,∞)上的值,F(x)是它的分布函数,设Xα(α >0)的数学期望M(Xα)存在,a>0,则不等式成立。这就是著名的切比雪夫定理,或者切比雪夫不等式。
切比雪夫定理的这一推论,使我们关于算术平均值的法则有了理论根据,设测量某一物理量a,在条件不变的情况下重复测量n次,得到的结果X1,X2,…,Xn是不完全相同的。
扩展资料:
切比雪夫不等式的提出
早在19世纪,俄国数学家切比雪夫在研究运算规律中,通过论证并用标准差表达了一个不等式,这个不等式具有普遍的意义,被称作切比雪夫定理:
任意一个数据集中,位于其平均数m个标准差范围内的比例(或部分)总是至少为1-1/m2,其中m为大于1的任意正数。对于m=2,m=3和m=5有如下结果:
所有数据中,至少有3/4(或75%)的数据位于平均数2个标准差范围内。
所有数据中,至少有8/9(或88.9%)的数据位于平均数3个标准差范围内。
所有数据中,至少有24/25(或96%)的数据位于平均数5个标准差范围内。
切比雪夫不等式
切比雪夫(Chebyshev)不等式 对于任一随机变量X ,若EX与DX均存在,则对任意ε>0,恒有P{|X-EX|>=ε}=ε} 越小,P{|X-EX|=ε}的一个上界,该上界并不涉及随机变量X的具体概率分布,而只与其方差DX和ε有关,因此,切比雪夫不等式在理论和实际中都有相当广泛的应用.需要指出的是,虽然切比雪夫不等式应用广泛,但在一个具体问题中,由它给出的概率上界通常比较保守.切比雪夫不等式是指在任何数据集中,与平均数超过K倍标准差的数据占的比例至多是1/K^2.在概率论中,切比雪夫不等式显示了随机变数的「几乎所有」值都会「接近」平均.这个不等式以数量化这方式来描述,究竟「几乎所有」是多少,「接近」又有多接近:与平均相差2个标准差的值,数目不多於1/4 与平均相差3个标准差的值,数目不多於1/9 与平均相差4个标准差的值,数目不多於1/16 …… 与平均相差k个标准差的值,数目不多於1/K^2 举例说,若一班有36个学生,而在一次考试中,平均分是80分,标准差是10分,我们便可得出结论:少於50分(与平均相差3个标准差以上)的人,数目不多於4个(=36*1/9).
测度论说法
设(X,∑,μ)为一测度空间,f为定义在X上的广义实值可测函数.对於任意实数t > 0,一般而言,若g是非负广义实值可测函数,在f的定义域非降,则有 上面的陈述,可透过以|f|取代f,再取如下定义而得:
概率论说法
设X为随机变数,期望值为μ,方差为σ2.对於任何实数k>0,改进 一般而言,切比雪夫不等式给出的上界已无法改进.考虑下面例子:这个分布的标准差σ = 1 / k,μ = 0.当只求其中一边的值的时候,有Cantelli不等式:[1]
证明
定义,设为集的指标函数,有 又可从马尔可夫不等式直接证明:马氏不等式说明对任意随机变数Y和正数a有\Pr(|Y| \le \opeatorname{E}(|Y|)/a.取Y = (X ? μ)2及a = (kσ)2.亦可从概率论的原理和定义开始证明:
参见
马尔可夫不等式 弱大数定律
切比雪夫不等式公式
切比雪夫不等式公式:Xα=h>L。设X是一个随机变数取区间(0,∞)上的值,F(x)是它的分布函数,设Xα(α>0)的数学期望M(Xα)存在,a>0,则不等式成立。这叫做切比雪夫定理,或者切比雪夫不等式。
一般地,用纯粹的大于号“>”、小于号“<”连接的不等式称为严格不等式,用不小于号(大于或等于号)“≥”、不大于号(小于或等于号)“≤”连接的不等式称为非严格不等式,或称广义不等式。总的来说,用不等号(<,>,≥,≤,≠)连接的式子叫做不等式。
概率论切比雪夫不等式
根据切比雪夫不等式有: P(|X-EX|≥ε )≤VarX ?2 随机变量X的数学期望E(X)=7,方差D(X)=5,故有: P{2<X<12}=P{|X-7|<5} 而对于 P{|X-7|≥5}≤DX 52 =1 5 P{2<X<12}=P{|X-7|<5}=1-P{|X-7|≥5}≥4 5
切比雪夫不等式和中心极限定理的区别是什么?
它们的区别是:
1. 切比雪夫比较宽松,只要ξ1,ξ2,……相互独立.Dξk一致有界.但是结果也只
是定性的 (数学期望和方差都存在)
定理是:设随机变量X的数学期望和方差都存在,则对任意常数 ε>0,有P( | X - E(X) | ≥ ε ) ≤ D(X) / ε2 ,或P( | X - E(X) | < ε ) ≥ 1 - D(X) / ε2[1] 。
在初等数论中,若a1≤a2≤……≤an,b1≤b2≤……≤bn,则a1bn+a2b(n-1)+……+anb1≤(a1+……+an)(b1+……+bn)/n≤a1b1+a2b2+……+anbn[2
2. 中心极限定理要求强得多.ξ1,ξ2,……相互独立之外.还要有相同的分布.(均具有相同的数学期望与方差)
中心极限定理:设从均值为μ、方差为σ^2;(有限)的任意一个总体中抽取样本量为n的样本,当n充分大时,样本均值的抽样分布近似服从均值为μ、方差为σ^2/n 的正态分布,
定理有好几个,条件也有差别,结果有定性的,更有定量的.
使用的时候,只要条件好,尽量用中心极限定理.实在条件不够.才用切比雪
夫不等式.